Palautteen ongelma
Kokeen jälkeen useimmat oppiainetiimit haluavat tehdä kahta asiaa yhtä aikaa: reagoida nopeasti ja reagoida hyvin. Juuri tässä vaiheessa prosessi usein hajoaa. Opettajilla on pinoittain tarkistettuja vastauksia, käsitys yleisistä heikkouksista ja hyvin vähän aikaa muuttaa nuo heikkoudet sellaiseksi, jota oppilaat voivat oikeasti hyödyntää.
Tuloksena on usein yleisluonteista palautetta. Kommentit kuten “opettele keskeiset käsitteet”, “lue kysymys huolellisesti” tai “kertaa laskut” ilmestyvät, koska ne ovat osittain totta, mutta ne ovat harvoin riittävän täsmällisiä muuttamaan tulevaa suoriutumista. Luokka on voinut menettää pisteitä samassa kysymyksessä kolmesta täysin eri syystä. Yksi ryhmä ymmärsi tehtävänannon sanan väärin, toinen muisti sisällön mutta sovelsi sitä huonosti, ja kolmas käytti liian vähän täsmällistä oppiaineen kieltä. Jos kaikki kolme saavat saman neuvon, hyvin vähän paranee.
Tässä AI voi auttaa, ei korvaamalla arviointia, vaan nopeuttamalla lajittelu- ja luonnosteluvaihetta sen jälkeen, kun arviointi on valmis. Jos oppiainetiimisi käyttää jo jäsenneltyä tarkastelua harjoituskokeiden jälkeen, saatat tunnistaa saman tarpeen, joka kuvataan artikkelissa AI-tuettu kertauksen työnkulku harjoituskoekaudelle: todellinen arvo syntyy siitä, että näyttö muutetaan kohdennetuiksi seuraaviksi askeliksi.
Mitä AI voi tehdä
Hyvin käytettynä AI on vahva tunnistamaan kaavoja opettajan kirjaamien virheiden joukosta. Se voi ottaa lyhyitä kuvauksia tarkistetuista vastauksista ja ryhmitellä ne todennäköisiksi virhekäsitysten kokonaisuuksiksi. Sen jälkeen se voi laatia näiden kaavojen pohjalta lyhyitä uudelleenopetustehtäviä, mallivastauksia ja koko luokan palautelomakkeita. Tämä säästää aikaa juuri siinä vaiheessa, kun opettajat tarvitsevat sitä eniten.
Sitä se ei kuitenkaan pysty luotettavasti tekemään, että se tekisi lopullisia oppiainekohtaisia arvioita yksinään. Sen ei pitäisi päättää, ansaitsiko oppilas pisteen. Sen ei pitäisi keksiä tutkintolautakunnan sanamuotoja. Siihen ei pitäisi luottaa kahden hyvin samankaltaisen virhekäsityksen erottamisessa ilman ihmisen tarkistusta. Malli voi ehdottaa hyödyllistä ensimmäistä luonnosta, mutta oppiainetiimin on silti varmistettava tarkkuus, sävy ja vastaavuus arviointiohjeen kanssa.
Tällä erolla on merkitystä. Arviointityössä AI:ta kannattaa käyttää ammatillisen harkinnan jälkeen, ei sen sijasta. Jos koulussasi tarkennetaan näitä rajoja laajemminkin, AI-tuki vs. vilppi on hyödyllinen rinnakkaislukemisto.
Yksinkertainen työnkulku
Hallittava koejälkeinen työnkulku alkaa opettajan muistiinpanoista, ei alkuperäisistä koepapereista. Kokonaisten vastauspaperien lataamisen sijaan kerää pieni otos yleisistä virheistä tarkistetuista vastauksista. Nämä voivat olla anonymisoituja katkelmia tai lyhyitä koodattuja muistiinpanoja kuten: “käytti kuvailua selittämisen sijaan”, “sekoitti mitoosin ja meioosin” tai “ratkaisi oikein mutta pyöristi liian aikaisin”.
Kun sinulla on 20–40 esimerkkiä eri puolilta vuosiryhmää, pyydä AI:ta lajittelemaan ne ryhmiin. Tavoitteena ei ole täydellinen luokittelu. Tavoitteena on lyhyt lista opetettavia kaavoja. Monissa oppiainetiimeissä viidestä kahdeksaan ryhmää riittää. Se antaa jotain paljon hyödyllisempää kuin pitkä taulukko yksittäisistä virheistä.
Pyydä tämän jälkeen mallia tuottamaan jokaisesta ryhmästä kolme tuotosta: yhden lauseen diagnoosi, lyhyt uudelleenopetuksen aloitustehtävä ja koko luokan palautekommentti. Tämä pitää prosessin käytännöllisenä. Et pyydä kokonaista tukiohjelmaa. Pyydät materiaaleja, joita opettajat voivat käyttää seuraavalla tunnilla.
Kehotteet pienemmällä datamäärällä
Hyödyllisten tulosten saamiseksi sinun ei tarvitse ladata tarpeettomia oppilastietoja. Itse asiassa oppiainetiimit saavat yleensä parempia tuotoksia, kun ne antavat vähemmän arkaluonteista ja jäsennellympää tietoa. Kokonaisten vastausten liittämisen sijaan anna AI:lle lista anonymisoiduista virheyhteenvedoista, kysymyksen painopiste, vuosiryhmä sekä täsmälliset tehtävänannon sanat tai arviointiohjeen kieli, joita tehtävässä käytettiin.
Kehotteessa voidaan esimerkiksi sanoa, että oppilaat vastasivat kuuden pisteen explain-kysymykseen energiansiirrosta, ja sen jälkeen luetella toistuvat ongelmat. Se riittää ryhmittelyyn. Malli ei tarvitse nimiä, kokonaisia vastauksia tai henkilökohtaista taustatietoa. Jos oppiainetiimisi tarkastelee laajempia AI-prosessejaan, oppiainetiimien AI-auditoinnin pisteytyskortti tarjoaa hyödyllisen viitekehyksen sen päättämiseen, mitä tietoa pitäisi ja mitä ei pitäisi jakaa.
Myös kehotteen laatu on tärkeä. Pyydä ryhmiä, jotka ovat “täsmällisiä, opetettavia ja selvästi toisistaan erottuvia”. Pyydä mallia välttämään epämääräisiä luokkia kuten “heikko osaaminen”, ellei näyttö todella tue sitä. Pyydä sitä lainaamaan tehtävänannon sanaa ja säilyttämään tutkintolautakunnan terminologia silloin, kun se on annettu. Nämä pienet ohjeet tekevät tuotoksesta paljon käyttökelpoisemman.
Kaavoista aloitustehtäviksi
Kun ryhmät ovat selkeitä, seuraava askel on muuttaa ne lyhyiksi uudelleenopetuksen aloitustehtäviksi, jotka oppilaat voivat tehdä viidessä tai kymmenessä minuutissa. Tässä AI voi säästää yllättävän paljon aikaa. Vahva aloitustehtävä ei ole vain uusi kysymys. Se eristää virhekäsityksen ja antaa oppilaille mahdollisuuden korjata sen nopeasti.
Jos esimerkiksi jokin ryhmä osoittaa, että oppilaat kuvailevat prosessia silloin, kun kysymys pyytää selittämään syy-seuraussuhteita, aloitustehtävä voi esittää kaksi mallivastausta ja pyytää oppilaita tunnistamaan, kumpi niistä todella selittää. Jos toinen ryhmä osoittaa sekaannusta samankaltaisten termien välillä, aloitustehtävä voi olla lyhyt luokittelu- ja perustelutehtävä. Jos oppilaat menettävät pisteitä epätarkan todistusaineiston käytön vuoksi, aloitustehtävä voi pyytää heitä parantamaan heikkoa vastausta lisäämällä siihen yhden keskeisen ilmauksen arviointiohjeesta.
Parhaat aloitustehtävät tuntuvat diagnostisilta eivätkä rankaisevilta. Ne sanovat käytännössä: “Tässä on täsmälleen se ajattelun virhe; korjaa se nyt.” Sama periaate on vahvan arvioinnin suunnittelun taustalla yleisemminkin, kuten käsitellään artikkelissa AI-kestävä arvioinnin suunnittelu.
Tutustu Automaattisen Opetuksen voimaan liittymällä yhteisöömme opettajia, jotka ottavat aikansa takaisin samalla kun rikastuttavat luokkahuoneitaan. Intuitiivisen alustamme avulla voit automatisoida hallinnollisia tehtäviä, personoida oppilaiden oppimista ja olla vuorovaikutuksessa luokkasi kanssa aivan uudella tavalla.
Älä anna hallinnollisten tehtävien varjostaa intohimoasi opettamiseen. Liity mukaan tänään ja muuta opetustympäristösi Automaattisen Opetuksen avulla.
🎓 Rekisteröidy ILMAISEKSI!
Koko luokan palautelomakkeet
Koko luokan palautelomakkeet ovat usein hyödyllisiä, koska ne tuovat johdonmukaisuutta eri luokkiin, mutta ne voivat kuulostaa latteilta, jos ne tuotetaan liian nopeasti. Tässä oppiainetiimin oma ääni on tärkeä. Hyvä lomake kuulostaa omalta ainetiimiltäsi, ei yleiseltä opiskeluoppaalta.
Yksi yksinkertainen tapa on antaa AI:lle lyhyt malli oppiainetiimisi tavallisesta sävystä. Siihen voi sisältyä se, miten muotoilette vahvuuksia, miten viittaatte tehtävänannon sanoihin ja suositteko mieluummin “kehitä tätä” -kehotteita, malliesimerkkejä vai uudelleen laadittuja mallivastauksia. Pyydä sitten mallia laatimaan yhden sivun palautelomake tätä tyyliä käyttäen.
Vahva lomake sisältää yleensä sen, mitä oppilaat tekivät hyvin, yleisimmät virhekäsitykset, yhden tai kaksi malliparannusta sekä selkeän toimintatehtävän. Siitä ei pitäisi tulla kaatopaikkaa kaikille paperissa nähdyille ongelmille. Tiiviys pitää sen opetettavana. Jos luonnos kuulostaa liian laajalta, karsi sitä, kunnes jokainen kohta liittyy selvästi todelliseen vastauksissa näkyneeseen kaavaan.
Kielen pitäminen täsmällisenä
Tutkintolautakunnan kieli, tehtävänannon sanat ja arviointiohjeen täsmällisyys ovat niitä kohtia, joissa heikko AI:n käyttö tulee useimmiten näkyviin. Mallit pyrkivät silottamaan kieltä johonkin uskottavaan mutta vähemmän tarkkaan muotoon. Se voi olla haitallista oppiaineissa, joissa yksi sana muuttaa vastauksen merkityksen.
Tämän ajautumisen välttämiseksi liitä mukaan täsmälliset tehtävänannon määritelmät tai arviointiohjeen ilmaukset, jotka haluat säilyttää. Kerro mallille, ettei niitä pidä parafraasoida, ellei sitä erikseen pyydetä. Tarkista sitten jokainen luonnos alkuperäistä lähdettä vasten. Humanistisissa aineissa tämä voi tarkoittaa sen tarkistamista, ettei “analyse” ole lipsahtanut muotoon “describe”. Luonnontieteissä se voi tarkoittaa teknisesti epätarkan yksinkertaistuksen havaitsemista. Matematiikassa se voi tarkoittaa sen huomaamista, että menetelmä on tehokas mutta ei pisteytyksessä hyväksytty menetelmä.
Siksi oppiainetiimien kannattaa myös pysyä realistisina mallin valinnan suhteen. Nopeammat työkalut ovat hyödyllisiä lajittelussa ja luonnostelussa, mutta ne saattavat vaatia huolellisempaa tarkistusta erikoistuneen kielen kanssa. Työkaluja vertailevat tiimit voivat pitää hyödyllisinä artikkeleita opettajan työnkulkujen testit tai luokkahuonenopeus vs. syvyys päättäessään, mitä käyttää tällaisessa tehtävässä.
Oppiainekohtaiset tarkistukset
Hallusinaatiot ja liiallinen yleistäminen hiipivät yleensä mukaan ennakoitavissa kohdissa. Malli voi päätellä virhekäsityksen, jota ei oikeasti ole läsnä. Se voi yhdistää kaksi lähekkäistä virhettä yhdeksi epämääräiseksi luokaksi. Tai se voi tuottaa siistin opetuksellisen huomion, joka kuulostaa järkevältä mutta ei vastaa kysymystä, johon oppilaat vastasivat.
Nopea oppiainekohtainen tarkistus voi havaita suurimman osan tästä. Pyydä yhtä opettajaa varmistamaan ryhmien nimet todellista vastausnäyttöä vasten. Pyydä toista tarkistamaan terminologia opetussuunnitelmaa ja arviointiohjetta vasten. Jos mahdollista, pyydä kolmatta arvioimaan, diagnosoisiko uudelleenopetustehtävä ongelman aidosti alle kymmenessä minuutissa. Tämä on yleensä riittävä moderointi pitämään laadun korkeana ilman, että syntyy uusi kuormittava prosessi.
Nopea moderointirutiini
Tehokkaimmat oppiainetiimit rakentavat toistettavan kehote- ja muokkausrutiinin. Yksi henkilö valmistelee anonymisoidun virhelistan. Yksi henkilö ajaa kehotteen. Sen jälkeen tiimi käyttää kymmenestä viiteentoista minuuttia tuotosten yhteiseen muokkaamiseen. Tämä tapaaminen toimii parhaiten, kun kysymykset ovat yksinkertaisia: Ovatko nämä ryhmät erillisiä? Onko kieli täsmällistä? Käyttäisimmekö tätä aloitustehtävää oikeasti huomenna? Kuulostaako tämä meiltä?
Tallenna lopullinen kehote, muokatut tuotokset ja huomio siitä, mitä piti korjata. Ajan myötä tästä muodostuu oppiainetiimin pankki. Kahden tai kolmen koesyklin jälkeen sinulla on uudelleenkäytettäviä kehotepohjia, yleisiä virhekäsitysluokkia ja mallipalautteen sanamuotoja, jotka heijastavat tiimisi standardeja. Jos rakennat jaettua käytäntöä oppiainetiimien välillä, käytännöllinen AI jokaiselle oppiainetiimille tarjoaa ideoita työn järkevään laajentamiseen.
Katse eteenpäin
Todellinen hyöty syntyy, kun oppiainetiimit käyttävät näitä kaavoja välittömän palautetunnin ulkopuolella. Jos sama virhekäsitys ilmestyy useissa koepapereissa, kyse ei ole enää vain arviointiongelmasta. Se on opetussuunnitelman signaali. Ehkä aihe tarvitsee erilaisen selitysjärjestyksen. Ehkä tehtävänannon sana tarvitsee eksplisiittisempää opetusta. Ehkä oppilaat tarvitsevat enemmän harjoitusta sekamuotoisilla kysymyksillä erillisen sisältömuistin palauttamisen sijaan.
Siksi koejälkeisen tarkastelun ei pitäisi päättyä palautelomakkeeseen. Vahvimmat oppiainetiimit vievät kaavat eteenpäin seuraavan jakson suunnitteluun, seuraavaan harjoituskokeeseen ja seuraavaan vuosiryhmään. Koe on ohi, mutta näyttö on edelleen hyödyllistä.
Kehotepohjat
Hyvä aloituspohja on yksinkertainen: anna AI:lle kysymyksen painopiste, tehtävänannon sanat, säilytettävä arviointiohjeen kieli ja lista anonymisoiduista virhemuistiinpanoista. Pyydä sitä ryhmittelemään muistiinpanot viidestä kahdeksaan täsmälliseen virhekäsitysryhmään. Pyydä sitten jokaiselle ryhmälle lyhyt diagnoosi, viiden minuutin aloitustehtävä ja koko luokan palautekohta. Lopuksi pyydä sitä merkitsemään kaikki kohdat, joissa oppiainekohtainen tarkistus on erityisen tärkeä.
Voit sitten mukauttaa samaa rakennetta eri oppiaineisiin. Matematiikassa korosta menetelmää ja virhetyyppiä. Luonnontieteissä korosta täsmällistä terminologiaa ja kausaalista selittämistä. Esseeaineissa korosta argumentin rakennetta, todistusaineiston käyttöä ja vastaamista tehtävänannon sanaan. Sanamuoto muuttuu, mutta prosessi pysyy vakaana.
Tällainen uudelleenkäytettävä työnkulku ei saa koejälkeistä työtä katoamaan. Se tekee siitä kuitenkin kohdennetumpaa. Sen sijaan, että sama käsin kirjoitettu kommentti toistettaisiin kolmekymmentä kertaa, oppiainetiimit voivat tunnistaa, mikä todella meni pieleen, opettaa sen suoraan ja viedä tämän oppimisen seuraavaan arviointisykliin.
Kohti terävämpää palautetta ja rauhallisempia oppiainetiimien tarkasteluja,
The Automated Education Team